Simulation et Big Data : De nouveaux défis

Cela fait presque 50 ans que l’on trouve des logiciels de simulation relativement accessibles. Ils ont depuis eu à répondre aux exigences du marché et évoluer avec lui : demande pour une prise en main de type « progiciel » (il y a eu une époque où tout était programmé, avec une interface utilisateur très rebutante), besoin de représenter ensemble des flux discrets et continus (dans les années 90’ il était impensable de mélanger les deux !), obligation d’avoir une animation 3D de haute qualité (dans les années 2000’, cela passait davantage pour un luxe inutile, coûteux en temps de développement et temps de calcul…). Maintenant les ambitions des modèles se sont élargies, et il faut pouvoir simuler un système parfois sur des années, et en faisant appel à un corpus de données impressionnant, auquel les logiciels de simulation ne savent pas toujours faire face.

Nous avons a été amenés à simuler des flux de passagers pour l’aéroport de Roissy Charles de Gaulle (CDG), en prenant en compte des avions, valises, voyageurs, navettes, etc. sur plusieurs mois. Le modèle de simulation était relié à une base de données de passagers et de trafic, de sorte à produire un modèle de simulation prédictif des flux de passagers à l’intérieur de l’aéroport, et qui suivait chaque passager de son atterrissage (ou arrivée à l’aéroport), à son décollage (ou sa sortie de l’aérogare).

Chaque jour 100 000 passagers passent l’aéroport CGD, ce qui en fait le second HUB en Europe pour le nombre de passagers. La moitié de ceux-ci sont des voyageurs en transit qui descendent d’un avion pour aller en prendre un autre, via un ensemble complexe de tapis roulants, escalators, contrôles de sécurité, plus un réseau de bus et navettes.

Ce qui est très gratifiant pour nous, c’est que grâce à son interface et à ses liens en entrée comme en sortie avec la base de données, ce modèle a pu aider et aide encore, saison après saison, à réduire le pourcentage de correspondances manquées et à mieux organiser les services de transport de terminaux.

 

Big Data

Les problèmes liés au volume des données

L’aéroport CDG se compose de sept terminaux reliés par un réseau de couloirs, bus, escalators etc. Chaque terminal dessert dix aires de stationnement pour tous types d’avions, ce qui complique la vie des passagers ayant peu de temps pour effectuer leur correspondance. Les files d’attentes qui se forment aux postes de sécurité ou aux arrêts de bus dépendent très directement de l’affectation des avions aux parkings dans les terminaux, de la taille des équipes de contrôle de sécurité, de la capacité des bus et de leurs horaires. Seule une simulation très exhaustive, prenant en compte chaque passage individuellement, pouvait aider à comprendre et évaluer l’impact des petites ou grosses modifications dans l’organisation de ce trafic complexe.

Le tableau ci-dessous donne une idée de la quantité de données à prendre en compte dans le modèle de simulation.

Objet Volume Commentaires
Passagers > 100 000 par jour Chaque passager a un profil spécifique avec un trajet particulier
Vols >1500 par jour L’affectation vol/terminal a bien sûr un fort impact sur la durée de la correspondance.
Terminaux 7 Les terminaux sont géographiquement éloignés les uns des autres, donc le recours à un bus ou une navette est obligatoire.
Aires de stationnement avions >300 L’avion peut stationner contre les bâtiments, ou sur une aire éloignée. Le choix du parking a un impact direct sur la durée de la correspondance.
Contrôles de sécurité >100 Chaque poste peut avoir son propre planning de personnel. Le modèle doit aider à optimiser leur affectation.
Bus et navettes >30 Chaque bus a une capacité, des arrêts prévus et un temps de trajet. Le modèle doit aider à optimiser ces aspects.
Salles d’attente >50 Leur capacité est finie, et leur niveau de confort est un paramètre important pour l’aéroport.
Lignes d’enregistrement >50  
Corridors >150  
Escalators >50  

Le modèle avait pour objectif de contribuer à plusieurs types de décisions à court et long terme. Mais d’autres décisions sont prises deux fois par an, avant chaque “saison” aérienne, ce qui implique que le modèle soit utilisé régulièrement par des novices en simulation qui devront être autonomes dans l’usage du modèle. D’où l’importance de la qualité d’interface, et des temps de calcul relativement courts.

Une simulation à événements discrets associée à une base de données

Deux contraintes ont dicté le choix des logiciels utilisés :

  • Un très gros volume de données à organiser et utiliser à tout moment dans le modèle,
  • Le besoin d’un modèle flexible et évolutif

Le modèle de simulation de flux a été bâti avec ExtendSim, où nous avons pu construire une bibliothèque d’objets spécifiques très personnalisables (aires de stationnement, escalators, bus, postes de contrôle etc.) que nous avons assemblés pour former le réseau de l’aéroport CDG. ExtendSim possédant sa propre base de données, il a été envisagé d’y faire figurer toutes les données – assurément un gain en accessibilité en lecture comme en écriture tout au long de la simulation.

Cependant les données client étaient stockées dans Microsoft Access, outil déjà employé par les futurs utilisateurs du modèle et proposant déjà des formulaires de saisie et d’analyse. L’application ExtendSim a donc été liée à MS Access, et le codage d’interface effectué sous MS Access.

Big résultats !

L’opérateur de l’aéroport fait appel à un outil permettant d’importer automatiquement les prévisions de trafic détaillées dans sa base de données et de définir à partir de là les paramètres du modèle via les formulaires sur mesure d’une application Microsoft Access. Faire tourner une simulation prend moins de 5 minutes pour une journée d’exploitation avec 100 000 passagers. Le modèle exporte les données résultantes brutes, avec tous les événements concernant chaque passager, et l’utilisateur final utilise aussi les utilitaires de data mining de MS Access pour une fine analyse des résultats, par exemple filtrer les passagers ayant raté leur correspondance.

L’utilisation du simulateur a permis aux opérateurs de l’aéroport de faire modifier les horaires des lignes de bus et de renégocier les plannings du personnel aux postes de contrôle. Chaque saison, des affectations avions-terminal différentes sont testées, et leur impact sur le succès des correspondances est calculé avec le simulateur. Le modèle est devenu un outil clé dans la procédure d’organisation de la saison, et participe directement à plus de 1% d’augmentation du nombre de correspondances réussies. Une correspondance ratée revient à plus de 50€ par passager, donc 1% de correspondances ratées représente plus de 500 passagers par jour – soit dans les 7 M€ par an ! CQFD…

 

Vous pourrez retrouver une communication sur ce thème dans les Proceedings of the 2014 Winter Simulation Conference, A. Tolk, S. D. Diallo, I. O. Ryzhov, L. Yilmaz, S. Buckley, and J. A. Miller, eds., http://dl.acm.org/citation.cfm?id=2693848

Laisser un commentaire

Un site dédié à la simulation de flux, pour mieux comprendre la démarche, la méthodologie, les outils et les récentes avancées en simulation pour l'industrie et les services